hyperlpr车牌识别案例

步骤一：下载hyperlpr包

pip install hyperlpr -i https://pypi.tuna.tsinghua.edu.cn/simple/

步骤二：创建sourceai/model/ocr/custom/car_ocr.py文件，代码如下：

# 导入包
from hyperlpr import *
# 导入OpenCV库
import cv2

def start(img):
    # 读入图片
    image = cv2.imread(img)
    # 识别结果
    res = HyperLPR_plate_recognition(image)
    print(res)

if __name__ == '__main__':
    start("car01.jpg")

步骤三：将car01.jpg图片放到car_ocr.py同级目录

步骤四：运行car_ocr.py查看结果

注：如果报错如下

mat_ = cv2.estimateRigidTransform(org_pts, target_pts, True)
AttributeError: module 'cv2' has no attribute 'estimateRigidTransform'

解决方案：

修改hyperlpr.py文件，大概在231行将mat_ = cv2.estimateRigidTransform(org_pts, target_pts, True)修改为

mat_,inlier = cv2.estimateAffine2D(org_pts, target_pts)

其中寻找hyperlpr源代码方式如下，按ctrl键同时点击下图hyperlpr

按ctrl键同时点击下图.hyperlpr

注释231行，新增232行代码

步骤五：修改支持多个车牌检测，找到hyperlpr.py源码文件，定位到65行，将return cropped_images代码与for对齐，修改前：

修改后：

步骤六：将含有多个车牌的car01.jpg图片放置到car_ocr.py同级目录

步骤七：car_ocr.py主函数中添加代码如下：

start("carmul.jpg")

全部代码参考：

# 导入包
from hyperlpr import *
# 导入OpenCV库
import cv2


def start(img):
    # 读入图片
    image = cv2.imread(img)
    # 识别结果
    res = HyperLPR_plate_recognition(image)
    print(res)
    return res


def distinguish(img):
    datas = []
    # 读入图片
    image = cv2.imread(img)
    # 识别结果
    res = HyperLPR_plate_recognition(image)
    for item in res:
        datas.append(item[0])

    print(datas)
    return datas


def distinguish_folder(folder):
    dic_datas = {}
    filenames = os.listdir(folder)
    files = [os.path.join(folder, file) for file in filenames]
    for img in files:
        filename = os.path.basename(img)
        datas = []
        # 读入图片
        image = cv2.imread(img)
        # 识别结果
        res = HyperLPR_plate_recognition(image)
        for item in res:
            if float(item[1]) > 0.95:
                datas.append(item[0])


        if datas:
            dic_datas[filename] = datas
            print(filename,'识别成功', datas)
        else:
            print(filename,'未识别到车牌')


    print(dic_datas)
    return dic_datas

def distinguish_list(lists):
    dic_datas = {}
    for img in lists:
        filename = os.path.basename(img)
        datas = []
        # 读入图片
        image = cv2.imread(img)
        # 识别结果
        res = HyperLPR_plate_recognition(image)
        for item in res:
            if float(item[0][1]) > 0.95:
                datas.append(item[0])
        if datas:
            dic_datas[filename] = datas


    print(dic_datas)
    return dic_datas


if __name__ == '__main__':
    # start("car01.jpg")
    # start("video_1.png")
    # distinguish("carmul.jpg")
    start("carmul.jpg")

步骤八：运行car_ocr.py代码如下：